原子智能

📖 全书目录索引 (Table of Contents) ​

序章与基石 ​

• 前言：在连续与离散的交界处 —— 人工智能与生成式模型驱动的材料化学新纪元
• 第01章 感知器深度教程 —— 从 Rosenblatt 神经元到化学机器学习的第一块基石
• 第02章 线性单元与梯度下降 —— 从一条拟合直线到化学里最通用的学习算法
• 第03章 神经网络与反向传播算法 —— 从一条链式法则到通用拟合引擎
• 第04章 卷积神经网络 (CNN) —— 局部感受野、图像、光谱与电子密度场

时序因果与递归拓扑 ​

• 第05章 循环神经网络 (RNN) —— 状态演化、BPTT 与因果序列建模
• 第06章 递归神经网络 (Recursive NN) —— 分子是一棵树：树形前向反向与拓扑推演
• 第07章 长短时记忆网络 (LSTM) —— 误差传送带与化学长程序列挑战

空间几何与注意力机制 ​

• 第08章 图神经网络 (GNN) —— 分子图、图 Transformer 与 3D 几何特征
• 第09章 等变神经网络 (Equivariant NN) —— SE(3)/E(3) 物理对称性与机器学习分子力场
• 第10章 Transformer 深度教程 —— 自注意力机制与化学大模型底座

生成式模型大厦 ​

• 第11章 自回归模型 (Autoregressive) —— 链式分解、条件概率、SMILES 逆向分子生成（⭐ 精选示范章）
• 第12章 变分自动编码器 (VAE) —— 变分推断、潜在连续流形与重参数化技巧
• 第13章 标准流模型 (Normalizing Flows) —— 变量替换定理、三角雅可比与玻尔兹曼生成器
• 第14章 生成对抗网络 (GAN) —— Minimax 零和博弈与离散分子生成挑战
• 第15章 能量模型 (Energy-Based Models) —— 玻尔兹曼分布、自由能曲面与朗之万动力学采样
• 第16章 扩散模型 (Diffusion Models) —— 随机微分方程、分数匹配与连续 3D 构象去噪

逆向设计与材料前沿实战 ​

• 模块 V 导读与总览 —— Inverse Design & AI-Driven Materials Discovery
• 01. 逆向设计的数学形式化与问题分类
• 02. 表征工程与隐空间连续化实战
• 03. 潜在空间优化算法：高斯过程贝叶斯优化与梯度上升
• 04. 强化学习与条件引导生成：从 PPO 到 GFlowNets
• 05. 无机晶体生成实战：从 CDVAE 到 MatterGen 与 GNoME
• 06. 现实引力：热力学凸包稳定性与动力学声子谱检验
• 07. 现实引力：分子可合成性量化与计算机辅助逆合成规划 (CASP)
• 08. 自驱动无人自主实验室：从生成算法到物理闭环
• 09. 全贯通实战工程：从性质指标到候选晶体生成与 DFT 校验

💡 交互式演示体验区 ​

在后续章节更新中，每一章的关键数学机理（如感知器决策面、因果掩码遮蔽、潜在流形插值等）都会嵌入动态交互式组件。下面是一个预置的自回归采样交互演示：